Sự công bằng trong việc xử lý dữ liệu là một yếu tố quan trọng để có thể đưa ra các lời giải mang tính khách quan hoặc có thể đạt được mục tiêu đề ra tốt hơn trong các trường hợp cụ thể nhất định. Ta cũng có thể áp dụng sự công bằng vào bài toán IM. Mục tiêu là tối đa tầm ảnh hưởng và đồng thời đảm bảo được sự lan truyền ảnh hưởng trong các cộng đồng nhất định (Fairness in Influence Maximization, gọi tắt là FIM). Tuy nhiên theo chúng tôi được biết, chưa có công trình cụ thể nào đảm bảo được biên tối thiểu và biên tối đa cho việc chọn phần tử vào tập giải pháp từ các cộng đồng. Các công trình nghiên cứu còn lại về IM thì đơn giản là không quan tâm đến sự công bằng trong việc xây dựng giải pháp.
Để giải quyết bài toán trên, chúng tôi đề xuất thuật toán FBIM. Về cơ bản thuật toán này là sự kết hợp giữa kỹ thuật tham lam cải tiến và kỹ thuật stop-and-stare (dừng ở các mốc bội số để kiểm tra chất lượng của giải pháp). Thuật toán được đề xuất trong luận văn được áp dụng và thử nghiệm trên các bộ dữ liệu thực về mạng xã hội và thu được kết quả khả quan.
Nội dung các phần như sau:
- CHƯƠNG 1. TỔNG QUAN: giới thiệu chung về đề tài.
- CHƯƠNG 2. CƠ SỞ LÝ THUYẾT: trình bày các cơ sở lý thuyết liên quan được sử dụng trong đề tài.
- CHƯƠNG 3. XÂY DỰNG THUẬT TOÁN: đề xuất và phân tích giải thuật FBIM.
- CHƯƠNG 4. THỰC NGHIỆM: giới thiệu môi trường cài đặt, dữ liệu, cách đánh giá và kết quả thử nghiệm.
- TỔNG KẾT: kết luận đề tài và định hướng phát triển.